文献

J-GLOBAL ID：202002263725244783   整理番号：20A2540551

機械学習を活用した受注成否予測による特型フォークリフトのリードタイム短縮

Lead-Time Reduction of Special-Design Forklift Trucks by Order-Winning Prediction Using Machine Learning

著者 (3件)： 小紫浩史 (豊田自動織機) ,  鈴木亮司 (豊田自動織機) ,  塚原俊英 (豊田自動織機)
資料名： 豊田自動織機技報  (Toyota Industries Technical Review)
号： 71  ページ： 97-103  発行年： 2020年11月 
JST資料番号： X0435A  ISSN： 1346-759X  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 顧客個別仕様のフォークリフト(以下,特型フォークリフト)は受注後に都度で設計を行っているため,設計済みの標準フォークリフトに比べて受注から出荷までのリードタイムが長い。このリードタイムの長期化によってお客様の希望納期を満たせない場合は,失注の可能性が高くなる。本解説では,受注前の引合納期照会段階で機械学習の手法を用いて受注の成否を予測することによって受注に繋がる確率が高い引合案件を抽出し,これらを受注前に設計を行ってリードタイムを短縮するシステムについて紹介する。(著者抄録)

シソーラス用語： フォークリフトトラック ,  *需要予測 ,  *機械学習 ,  縮小 ,  納期 ,  受注生産
準シソーラス用語： フォークリフト ,  リードタイム短縮

分類 (1件)： マーケティング  (KA06020W)

引用文献 (3件)：

• Rüdiger Wirth and Jochen Hipp, ′′CRISP-DM: Towards a Standard Process Model for Data Mining′′, Proceedings of the Fourth International Conference on the Practical Application of Knowledge Discovery and Data Mining, pp.29-39, 2000.
• Ana Azevedo and M.F. Santos, ′′KDD, SEMMA and CRISP-DM: A Parallel Overview′′, Proceedings of the IADIS European Conference Data Mining, pp.182-185, July 2008.
• Zhi-Hua Zhou, ′′Ensemble Learning′′, in: Stan Z. Li, ed. Encyclopedia of Biometrics, pp.270-273, Springer, 2009.

タイトルに関連する用語 (6件)： 機械学習 ,  活用 ,  受注 ,  予測 ,  フォークリフト ,  リードタイム短縮